RESEARCH ARCHIVE
研究日誌
VolPred 全部已發佈文章的時間序列，依發佈日期由新到舊排列。
我用 AI 測了 11 種模型預測股市波動——結果最笨的方法贏了
--- 如果你以為 AI 能預測股市，我有個令人失望但省錢的消息。 我們花了超過一年、跑了上百次實驗、測試了 11 種模型來預測股市的波動程度。統計模型、深度學習、物理學啟發的神經網路，能用的方法全都用了。 最後的結論？一個只有 4 個參數的老派公式，打敗了所有複雜的 AI 模型。 500 個參數的深度學習？輸了。結合統計和 AI 的混合模型？也輸了。用物理學概念設計的新型神經網路？看起來贏了，但…
你的 QQQ 和 SPY 在股災時會一起倒——但黃金不會
--- 如果你同時持有 SPY 和 QQQ，以為這是「分散投資」，我有一個壞消息。 這不是危言聳聽。我們用統計方法分析了過去十幾年的數據，發現一個讓人不安的事實：當股市崩盤的時候，SPY 和 QQQ 幾乎一定會一起倒。 機率有多高？82%。 也就是說，當 SPY 跌到最慘的 1% 情境時，QQQ 有 82% 的機率也正在崩盤。你以為買了兩檔 ETF 就是分散風險，但其實你只是在同一艘船上坐了兩個座…
投資不需要複雜：一個簡單公式如何打敗 99% 的波動率模型
--- 我們花了 150 次實驗、測試了 11 種複雜模型，最後發現……最簡單的方法贏了。 這不是標題黨。這是我們研究團隊過去一年多以來，用真實數據、嚴格測試得出的結論。如果你曾經覺得投資理財太複雜、看不懂那些金融術語，今天這篇文章就是寫給你的。 --- VIX 是什麼？你的「恐慌溫度計」 在開始之前，你只需要認識一個東西：VIX。 VIX 就像股市的「恐慌溫度計」。當大家很害怕的時候，VIX 會…
FOMC 會議前後 VIX 行為：無可交易信號（123 次會議分析）
分析 2010-2025 年 123 次 FOMC 會議前後的 VIX 行為。結果：無可交易信號，全部 6 項測試未通過 Harvey 門檻。 核心發現 測量 平均變化 t-stat 結果 ------ --- -------- ------ FOMC 日 VIX 變化 -0.52% -0.48 NS FOMC 後 1 日 VIX +1.46%…
VXEEM vs VIX：台灣 0050.TW 用美國 VIX 更好——TSMC 效應
測試 VXEEM（CBOE 新興市場波動率指數）是否比 US VIX 更適合台灣 0050.TW 的波動率目標策略。結果：US VIX 顯著優於 VXEEM。 核心發現 相關性比較 指標 VIX vs 0050.TW VXEEM vs 0050.TW 勝者 ------ --------- ----------- ------ Spearman 0.595 0.…
FOMC-VIX 模式不可交易：完整統計檢定否定 Post-FOMC VIX 下降假說
P45 曾報告 VIX 在 FOMC 後平均下降 2.44%，59% 會議 VIX 下降。但這只是簡單描述統計。我們用 123 場 FOMC 會議（2010-2025）做了完整統計檢定。結果：(1) VIX 在 FOMC 日的變化 t=-0.48，不顯著。(2) VIX 在 T+1 反而微幅上升 +1.46%，t=1.70。(3) SPY 2-day 報酬 t=-0.69，不顯著。(4) 子樣本分…
Proxy Sensitivity 測試：GJR 優勢在充足樣本下對所有 Vol Proxy 穩健
R9 pilot (42 天) 發現用 5-min RV 作為 truth 時 GARCH > GJR（ranking reversal）。這引發了核心發現是否 proxy-dependent 的擔憂。R11 正式測試顯示：GJR > GARCH 在充足樣本下對所有 proxy 穩健。 核心發現 1. 42 天 overlap（R9 reversal 的來源） Proxy Winner …
GINN（GARCH-Informed NN）測試：QLIKE Ceiling 第 11 次確認——Proxy Mismatch 的教訓
測試最新的 GARCH-Informed Neural Network (GINN, ACM ICAIF 2024) 是否能打破 QLIKE ceiling。結果：不能。表面 +1.15% 改善完全是 proxy mismatch artifact。 實驗設計 項目 設定 ------ ------ 模型 GINN: GJR-GARCH 預測 + LSTM(32 units…
FOMC 前夕風險評估：VIX/GARCH Ratio 1.6 觸發警報
FOMC 3/18-19 會議前夕，VIX/GARCH ratio 達到 1.6，觸發 >1.5 的 VaR 可靠性警報。系統已自動切換到 VIX-based weights。 當前市場狀態 指標 數值 評估 ------ ------ ------ SPY $669.03 近期反彈 VIX 23.5 偏高 GARCH $\sigma$ …
Extended OOS 驗證：15 個月新數據確認所有核心發現
以 15 個月的全新樣本外數據（2025 年 1 月至 2026 年 3 月）對本研究系統的所有核心命題進行 Extended OOS 驗證。結果：六項核心發現全部通過，且多數指標在延伸期間不僅維持、更進一步強化。最關鍵的是，這段期間包含了一場全新型態的地緣政治危機（伊朗/荷莫茲海峽事件），VT 策略在從未見過的危機中自動啟動防禦，為系統的泛化能力提供了最有力的證據。 研究背景 任何量化研究的致命…
Q&A: Gamma Decline 會影響 VT 嗎？——不會，數學上證明
如果你追蹤 S&P 500 的 GJR-GARCH gamma 估計值（衡量下跌時波動率的額外放大程度），會發現一個令人擔憂的趨勢：gamma 似乎在逐漸下降。從 2000 年代初期的 0.15-0.20 區間，到近年來有時降至 0.08-0.12。 這引發了一個直覺性的擔憂：如果我們的 VT 策略依賴波動率的不對稱反應（即 gamma）來產生 alpha，而 gamma 正在結構性下降，那 VT…
Q&A: VT Recovery Paradox 有解嗎？——SPY 有，但不通用
波動率目標（VT）策略有一個眾所周知的「副作用」：在市場崩盤後的復甦階段，因為波動率仍然偏高，VT 會維持低曝險，導致投資人錯過反彈的最甜蜜部分。這就是所謂的 Drawdown Recovery Paradox——VT 幫你少虧，但也讓你少賺回來。 以 2020 年 3 月為例：SPY 在 3 月 23 日觸底後，一個月內反彈了約 30%。但 VIX 在此期間仍維持在 40-60 的高位，12/V…
Q&A: 最佳零售投資組合——50/50 SPY/GLD + 12/VIX
波動率預測和 VT 策略的最終目的是什麼？對學術界而言是推進知識前沿，但對一般投資人而言，答案很簡單：找到一個好的投資組合。本研究從 2025 年初至今累積了大量實驗數據，是時候回答這個最實際的問題，非專業投資人最佳的 multi-asset portfolio 是什麼？ 實驗設計（Q21） Q21 系統性測試了 6 種投資組合方案，所有方案都使用 12/VIX 作為波動率調整機制： 1. 100…
Q&A: Gamma-Mechanism 的適用範圍——Equity Only
Gamma-mechanism proposition 是本研究系統最重要的理論貢獻之一。其核心主張是：資產的槓桿效應（gamma）越強，GJR-GARCH 相對於 GARCH 的預測優勢越大，因此波動率目標策略（VT）的改善幅度也越大。 我們在初始 7 資產樣本中觀察到 gamma 與 VT alpha 之間 Spearman rank correlation 高達 1.000，在 17 資產中…
Q&A: 12/VIX 能否擴展到亞洲市場？——台灣可以，但 Timing Alpha 不可靠
12/VIX 是本研究系統的核心波動率目標（Volatility Targeting, VT）策略：每月根據 min(12/VIX, 100%) 調整股票部位，其餘配置現金或短債。這個策略在美股 SPY 上表現優異，長期 Sharpe 約 0.68、最大回撤（MDD）從 -55% 降至 -27%。 但一個自然的問題是：這套策略能否直接搬到亞洲市場？ 台灣、日本、韓國都有各自的 VIX 等價物（VI…
VIX/GARCH Ratio 與選擇權策略完整指南：從理論到實務的 VRP Timing
摘要 在過去數個月的研究中，我們的系統已經確立 GJR-GARCH 是最佳的 realized vol 日頻預測模型（MCS superior, p=0.044），並且 12/VIX 策略是最簡單有效的波動率目標（VT）工具。然而，GARCH 的應用長期侷限於兩個領域：波動率目標策略（VT）和風險值估計（VaR/ES）。 本文報告一個突破：VIX/GARCH ratio 是一個統計上極為顯著的選擇…
Phase R: GARCH 的三個應用領域——波動預測、風險測量、VRP Timing
摘要 Phase R 的核心問題是：GARCH 模型的應用邊界在哪裡？ 我們設計了四項實驗，分別測試 GARCH 在宏觀預測、選擇權 timing、因子策略、策略切換四個方向的表現。結論極為清晰——GARCH 有且僅有三個有價值的應用領域，超出這三個領域的所有嘗試全部產生 null result。本文是 Phase R 四項實驗的完整彙整與方法論反思。 --- 四項實驗總覽 實驗 假說 …
VIX/GARCH Ratio 預測選擇權策略：賣出波動率的最佳時機
摘要 我們的研究系統長期追蹤 VIX/GARCH ratio——市場隱含波動率與統計模型預測波動率的比值。Gemini 最初建議探索這個比值在選擇權策略中的應用潛力，Claude 據此設計並執行了完整的模擬回測。結果發現：當 VIX/GARCH ratio > 1.5 時，賣出波動率（straddle selling）的每筆交易 alpha 提升 77%，勝率從 70% 升至 77.9%，而最大回…
非專業投資人最佳組合：50/50 SPY/GLD + 12/VIX 完整操作手冊
摘要 經過 120 餘項實驗、橫跨 12 個資產類別和 7 個研究面向的系統性驗證，我們終於能夠回答一個最根本的問題：一般投資人應該如何配置資產？ 答案令人意外地簡單——50/50 SPY/GLD 搭配 12/VIX 動態調整，剩餘資金放入 SHY（短期國債）。這個組合在 2016-2025 的樣本外回測中達到 Sharpe 0.826、Calmar ratio 0.77、最大回撤僅 -15.5%…
Gamma-Mechanism 邊界條件：12 資產測試揭示 equity-only 適用範圍
摘要 Gamma-mechanism proposition 是我們在 Phase L-M 提出的核心理論：GJR-GARCH 的槓桿參數 gamma 預測波動率目標（VT）策略的 Sharpe 改善幅度。原始 7 個資產的 Spearman 相關係數 rho=1.000（完美排序），看似是一個強大的跨資產預測機制。然而，當我們將測試範圍擴展至 12 個資產，加入黃金（GLD）、美國公債（TLT）…
BTC 波動率目標策略：MDD 顯著改善但 Sharpe 不顯著——加密貨幣的 VT 特殊性
摘要 比特幣（BTC）是波動率目標（VT）策略的天然實驗場，年化波動率經常超過 60%，遠高於傳統資產。我們將 VT 框架延伸至 BTC，發現了三個重要結論：（1）BTC 的正偏態是制度依賴的，全樣本對數偏態為 -1.35，並非先前報告的 +0.464；（2）15% 目標波動率的 VT 策略將 MDD 從 -83.7% 壓縮至 -42.2%（bootstrap p=0.003），但 Sharpe…
VVIX 與 Copula 的啟示：波動率的波動率不預測風險，尾部依賴被分散稀釋
摘要 Phase Q 持續探索波動率預測的邊界。本文報告兩項重要的 null result：VVIX（VIX 的波動率）無法預測 VaR 違規事件，以及 Copula 捕捉到的尾部依賴在多資產組合中被分散化稀釋至幾乎無關緊要。這兩個發現再次驗證了我們的核心論述——Complexity Ceiling——更精密的度量改善了理解，卻未改善可投資的決策。 --- 一、VVIX：波動率的波動率，聽起來很厲…
VIX 跨市場適用性：Timing Alpha 不可靠，但 MDD 保護普遍有效
摘要 12/VIX 波動率目標策略在美國大盤（SPY）上表現亮眼，但 VIX 畢竟是美國市場的恐慌指標，它能否「運輸」到其他市場？這個關鍵質疑促使我們對 7 個跨市場資產進行系統性驗證。結論出乎意料地清晰：VIX 的 timing alpha（擇時超額報酬）在所有 7 個資產上都不可靠，但最大回撤（MDD）保護卻普遍有效，每個資產都獲得 10-16% 的回撤壓縮。 這個發現重新定義了 VIX 跨市…
Complexity Ceiling：DCC-GARCH 不改善配置 + K/VIX 的數學恆等式
摘要 本文報告兩個相互關聯的 null result，共同指向一個更深層的結論：複雜度存在天花板（complexity ceiling）。DCC-GARCH 的動態相關性對配置權重毫無改善，而 K/VIX 策略的 Sharpe ratio 是數學恆等式——K 值只決定風險水準，不影響風險調整後報酬。這些發現與 QLIKE 天花板、Backwardation 延遲擊殺一脈相承：在日頻投資決策的層面，…